Rt Depok Epiestim
Dhihram Tenrisau
2022-06-07
Pendahuluan
“All model are wrong some are useful”
–George EP Box–
Rt atau Reproductive Effective adalah sebuah metode untuk mengestimasi transmisi penyakit dengan asumsi bahwa intervensi pencegahan dilakukan. Rt menjadi salah satu indikator kesehatan masyarakat dan transmisi pada interim pada tahun 2021. (1)
Rt adalah model epidemik yang seperti kata George EP Box di atas, bisa jadi tidak presisi dengan kenyataan di lapangan, namun ketika ditafsirkan dengan benar, ini dapat mendorong intervensi dan kebijakan yang lebih baik.
Mengaktifkan Package
Beberapa package yang digunakan dalam analisis ini
library(tidyverse) #untuk cleaning
library(dplyr) #untuk cleaning
library(rio) #untuk ekspor xlsx
library(EpiEstim)
library(ggplot2) #untuk grafik
library(incidence) #untuk kurva epidemiologi
library(lubridate) #untuk tanggal
library(plotly) #untuk tampilan interaktif grafik
library(DT) #untuk tampilan interaktif tabel
library(zoo) #untuk moving average
library(readr) #membaca csvMembuka File
Di tutorial ini saya menggunakan data dari komputer saya, sehingga perlu menyesuaikan sesuai dari tempat menyimpan di komputer
data <- X220606_kasus_kako_harian_data
head(data, 10)## # A tibble: 10 × 6
## Provinsi Kab Tanggal `Kasus Harian` `Meninggal Har…` `Pasien Rawat …`
## <chr> <chr> <date> <dbl> <dbl> <dbl>
## 1 ACEH ACEH BA… 2022-06-05 0 0 NA
## 2 ACEH ACEH BA… 2022-06-04 0 0 NA
## 3 ACEH ACEH BA… 2022-06-03 0 0 NA
## 4 ACEH ACEH BA… 2022-06-02 0 0 NA
## 5 ACEH ACEH BA… 2022-06-01 0 0 NA
## 6 ACEH ACEH BA… 2022-05-31 0 0 NA
## 7 ACEH ACEH BA… 2022-05-30 0 0 NA
## 8 ACEH ACEH BA… 2022-05-29 0 0 NA
## 9 ACEH ACEH BA… 2022-05-28 0 0 NA
## 10 ACEH ACEH BA… 2022-05-27 0 0 NAdata_olah_Depok <- filter(data, Kab == "KOTA DEPOK")
Rt_Depok <- data.frame(I = data_olah_Depok$`Kasus Harian`, dates = data_olah_Depok$Tanggal, Kab = data_olah_Depok$Kab)
headdata <- head(Rt_Depok,25)
DT::datatable(headdata)Membuat Kurva Epidemiologi, Tren, dan Cleaning
Tahapan-tahapan:
- Memangkas 7 baris pertama data_frame
- Melihat missing value
- Melakukan 7 day moving average
Rt_Depok <- Rt_Depok[order(as.Date(Rt_Depok$dates, format="%m/%d/%y")),]
kasus_tanggal_Depok <- Rt_Depok[-c(1:7),]
sum(is.na(Rt_Depok)) ## [1] 4Rt_Depok$I[is.na(Rt_Depok$I)] = 0
ggplot(kasus_tanggal_Depok, aes(dates,I)) + geom_bar(stat="identity")## Warning: Removed 3 rows containing missing values (position_stack).
Rt_Depok2 <- Rt_Depok %>% mutate(dma = rollmean(I, k = 7, align = "right", fill = 0))
a <- ggplot(Rt_Depok2, aes(dates,I)) + geom_bar(stat="identity", alpha = 0.3) + geom_line(aes(dates,dma),colour = "firebrick", size = 1.3)
ggplotly(a)Menghitung Estimasi Rt
Menggunakan formulaEpiestim : (2) \[E[I_t]=R_t\sum_{s=1}^{t} I_t-_sW_s\]
Dengan interpretasi sebagai berikut:
- lebih kecil 1 berarti tidak ada transmisi
- sama dengan 1 berarti transmisi terkendali
- lebih dari 1 transmisi tidak terkendali
Pada model ini digunakan Serial Interval dari Song et.al yaitu (median = 3, SD = 2.5) (3)
*CATATAN: Dalam melihat nilai Rt harus memperhatikan kurva epidemiologi, dan utamanya dalam menafsirkan
